[發(fā)明專利]目標檢測方法及裝置、存儲介質(zhì)、終端

有效

• 申請?zhí)枺?/td>: 202011373448.X
• 申請日: 2020-11-30
• 公開（公告）號: CN112446378B
• 公開（公告）日: 2022-09-16
• 發(fā)明（設(shè)計）人: 陳圣衛(wèi)
• 申請（專利權(quán)）人: 展訊通信（上海）有限公司
• 主分類號: G06V10/25
• 分類號: G06V10/25;G06V10/46;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 北京集佳知識產(chǎn)權(quán)代理有限公司 11227
• 代理人: 張振軍

1.一種目標檢測方法，其特征在于，所述方法包括：

獲取樣本圖像，所述樣本圖像包括預(yù)設(shè)目標；

提取所述樣本圖像的初始特征圖，并對所述初始特征圖進行語義信息增強處理，以得到所述樣本圖像的第一預(yù)測圖，所述第一預(yù)測圖用于指示所述樣本圖像的目標區(qū)域和背景區(qū)域，所述目標區(qū)域為包含所述預(yù)設(shè)目標的區(qū)域，所述背景區(qū)域為未包含所述預(yù)設(shè)目標的區(qū)域；

根據(jù)所述第一預(yù)測圖和第二預(yù)測圖對檢測網(wǎng)絡(luò)模型進行訓(xùn)練，以得到訓(xùn)練后的檢測網(wǎng)絡(luò)模型，其中，所述第二預(yù)測圖是根據(jù)所述初始特征圖對所述樣本圖像進行計算得到的，所述第二預(yù)測圖用于指示所述預(yù)設(shè)目標的邊界框；

采用訓(xùn)練后的檢測網(wǎng)絡(luò)模型檢測待測圖像，以得到所述待測圖像中所述預(yù)設(shè)目標的檢測結(jié)果；

其中，所述檢測網(wǎng)絡(luò)模型的損失函數(shù)為Loss＝λ_semantic L_semantic+λ_model L_model，其中，Loss為所述檢測網(wǎng)絡(luò)模型的損失函數(shù)，L_semantic為第一損失函數(shù)，L_model為第二損失函數(shù)，λ_semantic為第一損失函數(shù)的權(quán)重系數(shù)，λ_model為第二損失函數(shù)的權(quán)重系數(shù)；

其中，第一損失函數(shù)值是由所述第一預(yù)測圖、所述樣本圖像和所述第一損失函數(shù)計算得到，第二損失函數(shù)值是由所述第二預(yù)測圖、所述樣本圖像和所述第二損失函數(shù)計算得到。

2.根據(jù)權(quán)利要求1所述的目標檢測方法，其特征在于，所述初始特征圖的每個像素點包括多個通道，所述初始特征圖是通過對所述樣本圖像進行下采樣得到的，則對所述初始特征圖進行語義信息增強處理包括：

步驟一：對所述初始特征圖進行2倍上采樣，以得到第一特征圖；

步驟二：根據(jù)通道注意力機制對所述第一特征圖進行處理，以得到第二特征圖；

步驟三：將所述第二特征圖作為新的初始特征圖；

重復(fù)執(zhí)行步驟一至步驟三，直至所述上采樣倍數(shù)與所述下采樣倍數(shù)相等；

步驟四：對所述初始特征圖進行第一卷積運算，以得到所述第一預(yù)測圖，其中，所述第一預(yù)測圖的通道數(shù)量為2。

3.根據(jù)權(quán)利要求2所述的目標檢測方法，其特征在于，根據(jù)通道注意力機制對所述第一特征圖進行處理之前，所述方法還包括：

對所述第一特征圖進行多次第二卷積運算，每次第二卷積運算采用1×1的卷積核；

將多次第二卷積運算的結(jié)果與所述第一特征圖相加，以得到新的第一特征圖。

4.根據(jù)權(quán)利要求2或3所述的目標檢測方法，其特征在于，根據(jù)通道注意力機制對所述第一特征圖進行處理之前，所述方法還包括：

對所述第一特征圖進行多次第三卷積運算，多次第三卷積運算中至少一次采用3×3的卷積核；

將多次第三卷積運算的結(jié)果與所述第一特征圖相加，以得到新的第一特征圖。

5.根據(jù)權(quán)利要求3所述的目標檢測方法，其特征在于，對所述第一特征圖進行多次第二卷積運算包括：

第一次第二卷積運算之外的其他第二卷積運算中，均先對所述第一特征圖進行批標準化處理，再使用relu激活函數(shù)。

6.根據(jù)權(quán)利要求1所述的目標檢測方法，其特征在于，

根據(jù)所述第一預(yù)測圖對所述檢測網(wǎng)絡(luò)模型進行訓(xùn)練包括：

步驟A：根據(jù)所述第一預(yù)測圖、所述樣本圖像和所述第一損失函數(shù)計算第一損失函數(shù)值，并根據(jù)所述第二預(yù)測圖、所述樣本圖像和所述第二損失函數(shù)計算第二損失函數(shù)值；

步驟B：根據(jù)所述第一損失函數(shù)值和所述第二損失函數(shù)值計算所述檢測網(wǎng)絡(luò)模型的損失函數(shù)值；

步驟C：判斷所述損失函數(shù)值超過預(yù)設(shè)閾值，如果是，則調(diào)整所述檢測網(wǎng)絡(luò)模型中用于提取所述初始特征圖的模塊的參數(shù)，如果不是，則結(jié)束所述檢測網(wǎng)絡(luò)模型的訓(xùn)練；

步驟D：采用調(diào)整參數(shù)后的檢測網(wǎng)絡(luò)模型提取所述樣本圖像的初始特征圖，對所述初始特征圖進行語義信息增強處理，以得到所述第一預(yù)測圖，并根據(jù)所述初始特征圖對所述樣本圖像進行預(yù)測，以得到所述第二預(yù)測圖；

重復(fù)執(zhí)行步驟A至步驟D，直至步驟C中判斷所述損失函數(shù)值未超過預(yù)設(shè)閾值。